论文页面 - 从 VLM 规划器到机器人智能体：面向历史依赖型操作任务的自进化框架（Self-Evolving Harnesses）

来源：https://huggingface.co/papers/2610.29560

作者：

,

,

,

,

,

,

,

,

,

,

摘要

SERA 通过使用一个可编辑的框架（harness）来维护任务上下文，并借助执行反馈不断进化规划能力，同时配合一个固定的低层 VLA 执行器，从而提升长时程机器人操作任务的表现。

视觉-语言-动作（Vision-Language-Action, VLA）模型通过统一视觉理解、语言条件化和动作生成，在具身操作任务中取得了出色的性能。然而，长时程任务可能涉及非马尔可夫依赖（non-Markovian dependencies）：成功的决策可能需要保留任务进度和过去的交互结果，而部分可观测性和执行误差会随时间不断累积。现有工作已开始通过为基座模型策略引入记忆机制以及引入分层架构（hierarchical architectures）来应对这些挑战，将高层规划与低层执行分离。

我们通过一个可编辑的框架（editable harness）将高层 VLM 组织为机器人智能体，以维护任务上下文（task context）并利用执行经验改进规划。我们将该方法实现为 SERA（自进化机器人智能体，Self-Evolving Robotic Agent），由一个固定的 VLA 执行器提供低层控制。该框架使用观测和执行反馈（execution feedback）来维护和更新任务上下文，从而指导后续规划。自进化过程利用环境推演（environment rollouts）来提出并评估框架的修订方案，选定的配置在保留测试（held-out test）开始前固定不变。在 RoboMME 上，SERA 在自主选择配置的情况下取得了 51.38% 的总体成功率，而无自进化机制时为 44.38%。我们的探索表明，智能体式规划（agentic planning）是面向历史依赖型机器人操作任务的一个有前景的方向。

查看 arXiv 页面 (https://arxiv.org/abs/2610.29560) 查看 PDF (https://arxiv.org/pdf/2610.29560) 项目页面 (https://stevenkkxs.github.io/sera-webpage/) GitHub2 (https://github.com/StevenKKXS/SERA) 加入收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2610.29560)

在你的智能体中获取这篇论文：

hf papers read 2610\.29560

还没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型 0

暂无模型关联本文

在模型的 README.md 中引用 arxiv.org/abs/2610.29560 即可从此页面链接过去。

引用本文的数据集 0

暂无数据集关联本文

在数据集的 README.md 中引用 arxiv.org/abs/2610.29560 即可从此页面链接过去。

引用本文的 Spaces 0

暂无 Space 关联本文

在 Space 的 README.md 中引用 arxiv.org/abs/2610.29560 即可从此页面链接过去。

包含本文的合集 0

暂无合集包含本文

将本文加入合集 (https://huggingface.co/new-collection) 即可从此页面链接过去。